1. 正則表達(dá)式基礎(chǔ)

1.1. 簡(jiǎn)單介紹

正則表達(dá)式并不是Python的一部分。正則表達(dá)式是用于處 理字符串的強(qiáng)大工具,，擁有自己獨(dú)特的語法以及一個(gè)獨(dú)立的處理引擎,，效率上可能不如str自帶的方法，但功能十分強(qiáng)大,。得益于這一點(diǎn),，在提供了正則表達(dá)式的 語言里，正則表達(dá)式的語法都是一樣的,，區(qū)別只在于不同的編程語言實(shí)現(xiàn)支持的語法數(shù)量不同,；但不用擔(dān)心，不被支持的語法通常是不常用的部分,。如果已經(jīng)在其他 語言里使用過正則表達(dá)式,，只需要簡(jiǎn)單看一看就可以上手了,。

下圖展示了使用正則表達(dá)式進(jìn)行匹配的流程：

正則表達(dá)式的大致匹配過程是：依次拿出表達(dá)式和文本中的字符比較，如果每一個(gè)字符都能匹配,，則匹配成功,；一旦有匹配不成功的字符則匹配失敗。如果表達(dá)式中有量詞或邊界,，這個(gè)過程會(huì)稍微有一些不同,，但也是很好理解的，看下圖中的示例以及自己多使用幾次就能明白,。

下圖列出了Python支持的正則表達(dá)式元字符和語法：  

1.2. 數(shù)量詞的貪婪模式與非貪婪模式

正 則表達(dá)式通常用于在文本中查找匹配的字符串,。Python里數(shù)量詞默認(rèn)是貪婪的（在少數(shù)語言里也可能是默認(rèn)非貪婪），總是嘗試匹配盡可能多的字符,；非貪婪 的則相反,，總是嘗試匹配盡可能少的字符。例如：正則表達(dá)式"ab*"如果用于查找"abbbc",，將找到"abbb",。而如果使用非貪婪的數(shù)量 詞"ab*?"，將找到"a",。

1.3. 反斜杠的困擾

與大多數(shù)編程語言相同,，正則表達(dá)式里使用"\"作為轉(zhuǎn)義 字符，這就可能造成反斜杠困擾,。假如你需要匹配文本中的字符"\",，那么使用編程語言表示的正則表達(dá)式里將需要4個(gè)反斜杠"\\\\"：前兩個(gè)和后兩個(gè)分 別用于在編程語言里轉(zhuǎn)義成反斜杠，轉(zhuǎn)換成兩個(gè)反斜杠后再在正則表達(dá)式里轉(zhuǎn)義成一個(gè)反斜杠,。Python里的原生字符串很好地解決了這個(gè)問題,，這個(gè)例子中的 正則表達(dá)式可以使用r"\\"表示。同樣,，匹配一個(gè)數(shù)字的"\\d"可以寫成r"\d",。有了原生字符串，你再也不用擔(dān)心是不是漏寫了反斜杠,，寫出來的表 達(dá)式也更直觀,。

1.4. 匹配模式

正則表達(dá)式提供了一些可用的匹配模式，比如忽略大小寫,、多行匹配等,，這部分內(nèi)容將在Pattern類的工廠方法re.compile(pattern[, flags])中一起介紹。

2. re模塊

2.1. 開始使用re

Python通過re模塊提供對(duì)正則表達(dá)式的支持,。使用re的一般步驟是先將正則表達(dá)式的字符串形式編譯為Pattern實(shí)例,，然后使用Pattern實(shí)例處理文本并獲得匹配結(jié)果（一個(gè)Match實(shí)例），最后使用Match實(shí)例獲得信息，進(jìn)行其他的操作,。

re.compile(strPattern[, flag]):

這個(gè)方法是Pattern類的工廠方法,，用于將字符串形式的正則表達(dá)式編譯為Pattern對(duì)象,。 第二個(gè)參數(shù)flag是匹配模式，取值可以使用按位或運(yùn)算符'|'表示同時(shí)生效,，比如re.I | re.M,。另外，你也可以在regex字符串中指定模式,，比如re.compile('pattern', re.I | re.M)與re.compile('(?im)pattern')是等價(jià)的,。
可選值有：

• re.I(re.IGNORECASE): 忽略大小寫（括號(hào)內(nèi)是完整寫法，下同）
• M(MULTILINE): 多行模式,，改變'^'和'$'的行為（參見上圖）
• S(DOTALL): 點(diǎn)任意匹配模式,，改變'.'的行為
• L(LOCALE): 使預(yù)定字符類 \w \W \b \B \s \S 取決于當(dāng)前區(qū)域設(shè)定
• U(UNICODE): 使預(yù)定字符類 \w \W \b \B \s \S \d \D 取決于unicode定義的字符屬性
• X(VERBOSE): 詳細(xì)模式。這個(gè)模式下正則表達(dá)式可以是多行,，忽略空白字符,，并可以加入注釋。以下兩個(gè)正則表達(dá)式是等價(jià)的：

re提供了眾多模塊方法用于完成正則表達(dá)式的功能,。這些方法可以使用Pattern實(shí)例的相應(yīng)方法替代,，唯一的好處是少寫一行 re.compile()代碼，但同時(shí)也無法復(fù)用編譯后的Pattern對(duì)象,。這些方法將在Pattern類的實(shí)例方法部分一起介紹,。如上面這個(gè)例子可以 簡(jiǎn)寫為：

re模塊還提供了一個(gè)方法escape(string)，用于將string中的正則表達(dá)式元字符如*/+/?等之前加上轉(zhuǎn)義符再返回,，在需要大量匹配元字符時(shí)有那么一點(diǎn)用,。

2.2. Match

Match對(duì)象是一次匹配的結(jié)果，包含了很多關(guān)于此次匹配的信息,，可以使用Match提供的可讀屬性或方法來獲取這些信息,。

屬性：

1. string: 匹配時(shí)使用的文本。
2. re: 匹配時(shí)使用的Pattern對(duì)象,。
3. pos: 文本中正則表達(dá)式開始搜索的索引,。值與Pattern.match()和Pattern.seach()方法的同名參數(shù)相同。
4. endpos: 文本中正則表達(dá)式結(jié)束搜索的索引,。值與Pattern.match()和Pattern.seach()方法的同名參數(shù)相同。
5. lastindex: 最后一個(gè)被捕獲的分組在文本中的索引,。如果沒有被捕獲的分組,，將為None。
6. lastgroup: 最后一個(gè)被捕獲的分組的別名。如果這個(gè)分組沒有別名或者沒有被捕獲的分組,，將為None,。

方法：

1. group([group1, …]):
   獲得一個(gè)或多個(gè)分組截獲的字符串；指定多個(gè)參數(shù)時(shí)將以元組形式返回,。group1可以使用編號(hào)也可以使用別名,；編號(hào)0代表整個(gè)匹配的子串；不填寫參數(shù)時(shí),，返回group(0),；沒有截獲字符串的組返回None；截獲了多次的組返回最后一次截獲的子串,。
2. groups([default]):
   以元組形式返回全部分組截獲的字符串,。相當(dāng)于調(diào)用group(1,2,…last)。default表示沒有截獲字符串的組以這個(gè)值替代,，默認(rèn)為None,。
3. groupdict([default]):
   返回以有別名的組的別名為鍵、以該組截獲的子串為值的字典,，沒有別名的組不包含在內(nèi),。default含義同上。
4. start([group]):
   返回指定的組截獲的子串在string中的起始索引（子串第一個(gè)字符的索引）,。group默認(rèn)值為0,。
5. end([group]):
   返回指定的組截獲的子串在string中的結(jié)束索引（子串最后一個(gè)字符的索引+1）。group默認(rèn)值為0,。
6. span([group]):
   返回(start(group), end(group)),。
7. expand(template):
   將匹配到的分組代入template中然后返回。template中可以使用\id或\g<id>,、 \g<name>引用分組,，但不能使用編號(hào)0。\id與\g<id>是等價(jià)的,；但\10將被認(rèn)為是第10個(gè)分組,，如果你想表達(dá) \1之后是字符'0'，只能使用\g<1>0,。

2.3. Pattern

Pattern對(duì)象是一個(gè)編譯好的正則表達(dá)式,，通過Pattern提供的一系列方法可以對(duì)文本進(jìn)行匹配查找。

Pattern不能直接實(shí)例化,，必須使用re.compile()進(jìn)行構(gòu)造,。

Pattern提供了幾個(gè)可讀屬性用于獲取表達(dá)式的相關(guān)信息：

1. pattern: 編譯時(shí)用的表達(dá)式字符串。
2. flags: 編譯時(shí)用的匹配模式,。數(shù)字形式,。
3. groups: 表達(dá)式中分組的數(shù)量,。
4. groupindex: 以表達(dá)式中有別名的組的別名為鍵、以該組對(duì)應(yīng)的編號(hào)為值的字典,，沒有別名的組不包含在內(nèi),。

實(shí)例方法[ | re模塊方法]：

1. match(string[, pos[, endpos]]) | re.match(pattern, string[, flags]):
   這個(gè)方法將從string的pos下標(biāo)處起嘗試匹配pattern；如果pattern結(jié)束時(shí)仍可匹配,，則返回一個(gè)Match對(duì)象,；如果匹配過程中pattern無法匹配，或者匹配未結(jié)束就已到達(dá)endpos,，則返回None,。
   pos和endpos的默認(rèn)值分別為0和len(string)；re.match()無法指定這兩個(gè)參數(shù),，參數(shù)flags用于編譯pattern時(shí)指定匹配模式,。
   注意：這個(gè)方法并不是完全匹配。當(dāng)pattern結(jié)束時(shí)若string還有剩余字符,，仍然視為成功,。想要完全匹配，可以在表達(dá)式末尾加上邊界匹配符'$',。
   示例參見2.1小節(jié),。
2. search(string[, pos[, endpos]]) | re.search(pattern, string[, flags]):
   這個(gè)方法用于查找字符串中可以匹配成功的子串。從string的pos下標(biāo)處起嘗試匹配pattern,，如果pattern結(jié)束時(shí)仍可匹配,，則返回一個(gè)Match對(duì)象；若無法匹配,，則將pos加1后重新嘗試匹配,；直到pos=endpos時(shí)仍無法匹配則返回None。
   pos和endpos的默認(rèn)值分別為0和len(string)),；re.search()無法指定這兩個(gè)參數(shù),，參數(shù)flags用于編譯pattern時(shí)指定匹配模式。
   
   1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

   # encoding: UTF-8 import re   # 將正則表達(dá)式編譯成Pattern對(duì)象 pattern = re.compile(r'world')   # 使用search()查找匹配的子串,，不存在能匹配的子串時(shí)將返回None # 這個(gè)例子中使用match()無法成功匹配 match = pattern.search('hello world!')   if match:     # 使用Match獲得分組信息     print match.group()   ### 輸出 ### # world

3. split(string[, maxsplit]) | re.split(pattern, string[, maxsplit]):
   按照能夠匹配的子串將string分割后返回列表,。maxsplit用于指定最大分割次數(shù)，不指定將全部分割,。
   
   1 2 3 4 5 6 7

   import re   p = re.compile(r'\d+') print p.split('one1two2three3four4')   ### output ### # ['one', 'two', 'three', 'four', '']

4. findall(string[, pos[, endpos]]) | re.findall(pattern, string[, flags]):
   搜索string,，以列表形式返回全部能匹配的子串。
   
   1 2 3 4 5 6 7

   import re   p = re.compile(r'\d+') print p.findall('one1two2three3four4')   ### output ### # ['1', '2', '3', '4']

5. finditer(string[, pos[, endpos]]) | re.finditer(pattern, string[, flags]):
   搜索string,，返回一個(gè)順序訪問每一個(gè)匹配結(jié)果（Match對(duì)象）的迭代器,。
   
   1 2 3 4 5 6 7 8

   import re   p = re.compile(r'\d+') for m in p.finditer('one1two2three3four4'):     print m.group(),   ### output ### # 1 2 3 4

6. sub(repl, string[, count]) | re.sub(pattern, repl, string[, count]):
   使用repl替換string中每一個(gè)匹配的子串后返回替換后的字符串。
   當(dāng)repl是一個(gè)字符串時(shí),，可以使用\id或\g<id>,、\g<name>引用分組,，但不能使用編號(hào)0。
   當(dāng)repl是一個(gè)方法時(shí),，這個(gè)方法應(yīng)當(dāng)只接受一個(gè)參數(shù)（Match對(duì)象），并返回一個(gè)字符串用于替換（返回的字符串中不能再引用分組）,。
   count用于指定最多替換次數(shù),，不指定時(shí)全部替換。
   
   1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

   import re   p = re.compile(r'(\w+) (\w+)') s = 'i say, hello world!'   print p.sub(r'\2 \1', s)   def func(m):     return m.group(1).title() + ' ' + m.group(2).title()   print p.sub(func, s)   ### output ### # say i, world hello! # I Say, Hello World!

7. subn(repl, string[, count]) |re.sub(pattern, repl, string[, count]):
   返回 (sub(repl, string[, count]), 替換次數(shù)),。
   
   1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

   import re   p = re.compile(r'(\w+) (\w+)') s = 'i say, hello world!'   print p.subn(r'\2 \1', s)   def func(m):     return m.group(1).title() + ' ' + m.group(2).title()   print p.subn(func, s)   ### output ### # ('say i, world hello!', 2) # ('I Say, Hello World!', 2)

以上就是Python對(duì)于正則表達(dá)式的支持,。熟練掌握正則表達(dá)式是每一個(gè)程序員必須具備的技能，這年頭沒有不與字符串打交道的程序了,。筆者也處于初級(jí)階段,，與君共勉，^_^

另外,，圖中的特殊構(gòu)造部分沒有舉出例子,，用到這些的正則表達(dá)式是具有一定難度的。有興趣可以思考一下,，如何匹配不是以abc開頭的單詞,，^_^

初學(xué)Python，對(duì)Python的文字處理能力有很深的印象,，除了str對(duì)象自帶的一些方法外,，就是正則表達(dá)式這個(gè)強(qiáng)大的模塊了。但是對(duì) 于初學(xué)者來說,，要用好這個(gè)功能還是有點(diǎn)難度,，我花了好長(zhǎng)時(shí)間才摸出了點(diǎn)門道。由于我記性不好,，很容易就忘事,，所以還是寫下來比較好一些，同時(shí)也可以加深印 象,，整理思路,。

由于我是初學(xué)，所以肯定會(huì)有些錯(cuò)誤,，還望高手不吝賜教,，指出我的錯(cuò)誤。

1 Python正則式的基本用法

Python的正則表達(dá)式的模塊是 ‘re’,它的基本語法規(guī)則就是指定一個(gè)字符序列,，比如你要在一個(gè)字符串s=’123abc456’ 中查找字符串 ’abc’,只要這樣寫：

>>> import re

>>> s='123abc456eabc789'

>>> re.findall(r’abc’,s)

結(jié)果就是：

['abc', 'abc']

這里用到的函數(shù) ”findall(rule , target [,flag] )” 是個(gè)比較直觀的函數(shù),，就是在目標(biāo)字符串中查找符合規(guī)則的字符串。第一個(gè)參數(shù)是規(guī)則,，第二個(gè)參數(shù)是目標(biāo)字符串,，后面還可以跟一個(gè)規(guī)則選項(xiàng)（選項(xiàng)功能將在 compile函數(shù)的說明中詳細(xì)說明）,。返回結(jié)果結(jié)果是一個(gè)列表，中間存放的是符合規(guī)則的字符串,。如果沒有符合規(guī)則的字符串被找到,，就返回一個(gè)空列表。

為什么要用r’ ..‘字符串（raw字符串）,？ 由于正則式的規(guī)則也是由一個(gè)字符串定義的,，而在正則式中大量使用轉(zhuǎn)義字符’\’，如果不用raw字符串,，則在需要寫一個(gè)’\’的地方,，你必須得寫成’ \\’,那么在要從目標(biāo)字符串中匹配一個(gè)’\’的時(shí)候，你就得寫上4個(gè)’\’成為’\\\\’,！這當(dāng)然很麻煩,，也不直觀，所以一般都使用r’’來定義規(guī)則 字符串,。當(dāng)然,，某些情況下，可能不用raw字符串比較好,。

以上是個(gè)最簡(jiǎn)單的例子,。當(dāng)然實(shí)際中這么簡(jiǎn)單的用法幾乎沒有意義。為了實(shí)現(xiàn)復(fù)雜的規(guī)則查找,，re規(guī)定了若干語法規(guī)則,。它們分為這么幾類：

功能字符 ：    ‘.’ ‘*’ ‘+’ ‘|’ ‘?’ ‘^’ ‘$’ ‘\’ 等，它們有特殊的功能含義,。特別是’\’字符,，它是轉(zhuǎn)義引導(dǎo)符號(hào)，跟在它后面的字符一般有特殊的含義,。

規(guī)則分界符： ‘[‘ ‘]’ ‘（’ ‘）’ ‘{‘ ‘}’ 等,，也就是幾種括號(hào)了。

預(yù)定義轉(zhuǎn)義字符集： “\d”  “\w” “\s” 等等,，它們是以字符’\’開頭,，后面接一個(gè)特定字符的形式，用來指示一個(gè)預(yù)定義好的含義,。

其它特殊功能字符： ’#’ ‘!’ ‘:’ ‘-‘等,，它們只在特定的情況下表示特殊的含義，比如(?# …)就表示一個(gè)注釋,，里面的內(nèi)容會(huì)被忽略,。

下面來一個(gè)一個(gè)的說明這些規(guī)則的含義，不過說明的順序并不是按照上面的順序來的,，而是我認(rèn)為由淺入深,，由基本到復(fù)雜的順序來編排的,。同時(shí)為了直觀， 在說明的過程中盡量多舉些例子以方便理解,。

1.1 基本規(guī)則

‘[‘  ‘]’ 字符集合設(shè)定符

首先說明一下字符集合設(shè)定的方法,。由一對(duì)方括號(hào)括起來的字符，表明一個(gè)字符集合,，能夠匹配包含在其中的任意一個(gè)字符,。比如 [abc123]，表明字符’a’ ‘b’ ‘c’ ‘1’ ‘2’ ‘3’都符合它的要求,。可以被匹配,。

在’[‘ ‘]’中還可以通過 ’-‘ 減號(hào)來指定一個(gè)字符集合的范圍,，比如可以用[a-zA-Z]來指定所以英文字母的大小寫，因?yàn)橛⑽淖帜甘前凑諒男〉酱蟮捻樞騺砼诺?。你不可以把大小的順? 顛倒了,，比如寫成[z-a]就不對(duì)了。

如果在’[‘ ‘]’里面的開頭寫一個(gè) ‘^’ 號(hào),，則表示取非,，即在括號(hào)里的字符都不匹配。如[^a-zA-Z]表明不匹配所有英文字母,。但是如果 ‘^’不在開頭,，則它就不再是表示取非，而表示其本身,，如[a-z^A-Z]表明匹配所有的英文字母和字符’^’,。

‘|’    或規(guī)則

將兩個(gè)規(guī)則并列起來，以‘|’連接,，表示只要滿足其中之一就可以匹配,。比如

[a-zA-Z]|[0-9] 表示滿足數(shù)字或字母就可以匹配，這個(gè)規(guī)則等價(jià)于 [a-zA-Z0-9]

注意：關(guān)于’|’要注意兩點(diǎn)：

第一,，           它在’[‘ ‘]’之中不再表示或,，而表示他本身的字符。如果要在’[‘ ‘]’外面表示一個(gè)’|’字符,，必須用反斜杠引導(dǎo),，即 ’\|’ ;

第二，           它的有效范圍是它兩邊的整條規(guī)則,，比如‘dog|cat’匹配的是‘dog’和’cat’,，而不是’g’和’c’。如果想限定它的有效范圍,，必需使用一個(gè) 無捕獲組 ‘(?: )’包起來,。比如要匹配 ‘I have a dog’或’I have a cat’,，需要寫成r’I have a (?:dog|cat)’ ，而不能寫成 r’I have a dog|cat’

例

>>> s = ‘I have a dog , I have a cat’

>>> re.findall( r’I have a (?:dog|cat)’ , s )

['I have a dog', 'I have a cat']                #正如我們所要的

下面再看看不用無捕獲組會(huì)是什么后果：

>>> re.findall( r’I have a dog|cat’ , s )

['I have a dog', 'cat']                                   #它將’I have a dog’ 和’cat’當(dāng)成兩個(gè)規(guī)則了

至于無捕獲組的使用,，后面將仔細(xì)說明,。這里先跳過。

‘.’    匹配所有字符

匹配除換行符’\n’外的所有字符,。如果使用了’S’選項(xiàng),，匹配包括’\n’的所有字符。

       例：

       >>> s=’123 \n456 \n789’

       >>> findall(r‘.+’,s)

       ['123', '456', '789']

       >>> re.findall(r‘.+’ , s , re.S)

       ['123\n456\n789']

‘^’和’$’ 匹配字符串開頭和結(jié)尾

注意’^’不能在‘[ ]’中,，否則含意就發(fā)生變化,，具體請(qǐng)看上面的’[‘ ‘]’說明。 在多行模式下,，它們可以匹配每一行的行首和行尾,。具體請(qǐng)看后面compile函數(shù)說明的’M’選項(xiàng)部分

‘\d’ 匹配數(shù)字

這是一個(gè)以’\’開頭的轉(zhuǎn)義字符，’\d’表示匹配一個(gè)數(shù)字,，即等價(jià)于[0-9]

‘\D’ 匹配非數(shù)字

這個(gè)是上面的反集,，即匹配一個(gè)非數(shù)字的字符，等價(jià)于[^0-9],。注意它們的大小寫,。下面我們還將看到Python的正則規(guī)則中很多轉(zhuǎn)義字符的大小 寫形式，代表互補(bǔ)的關(guān)系,。這樣很好記,。

‘\w’ 匹配字母和數(shù)字

匹配所有的英文字母和數(shù)字，即等價(jià)于[a-zA-Z0-9],。

‘\W’ 匹配非英文字母和數(shù)字

即’\w’的補(bǔ)集,，等價(jià)于[^a-zA-Z0-9]。

‘\s’ 匹配間隔符

即匹配空格符,、制表符,、回車符等表示分隔意義的字符，它等價(jià)于[ \t\r\n\f\v],。（注意最前面有個(gè)空格)

‘\S’ 匹配非間隔符

即間隔符的補(bǔ)集,，等價(jià)于[^ \t\r\n\f\v]

‘\A’ 匹配字符串開頭

匹配字符串的開頭。它和’^’的區(qū)別是,，’\A’只匹配整個(gè)字符串的開頭,，即使在’M’模式下，它也不會(huì)匹配其它行的很首,。

‘\Z’ 匹配字符串結(jié)尾

匹配字符串的結(jié)尾,。它和’$’的區(qū)別是，’\Z’只匹配整個(gè)字符串的結(jié)尾，即使在’M’模式下,，它也不會(huì)匹配其它各行的行尾,。

例：

>>> s= '12 34\n56 78\n90'

>>> re.findall( r'^\d+' , s , re.M )          #匹配位于行首的數(shù)字

['12', '56', '90']

>>> re.findall( r’\A\d+’, s , re.M )        #匹配位于字符串開頭的數(shù)字

['12']

>>> re.findall( r'\d+$' , s , re.M )          #匹配位于行尾的數(shù)字

['34', '78', '90']

>>> re.findall( r’\d+\Z’ , s , re.M )        #匹配位于字符串尾的數(shù)字

['90']

‘\b’ 匹配單詞邊界

它匹配一個(gè)單詞的邊界，比如空格等,，不過它是一個(gè)‘0’長(zhǎng)度字符,，它匹配完的字符串不會(huì)包括那個(gè)分界的字符。而如果用’\s’來匹配的話,，則匹配出 的字符串中會(huì)包含那個(gè)分界符,。

例：

>>> s =  'abc abcde bc bcd'

>>> re.findall( r’\bbc\b’ , s )         #匹配一個(gè)單獨(dú)的單詞 ‘bc’ ，而當(dāng)它是其它單詞的一部分的時(shí)候不匹配

['bc']                                           ＃只找到了那個(gè)單獨(dú)的’bc’

>>> re.findall( r’\sbc\s’ , s )          ＃匹配一個(gè)單獨(dú)的單詞 ‘bc’

[' bc ']                                         #只找到那個(gè)單獨(dú)的’bc’,，不過注意前后有兩個(gè)空格,，可能有點(diǎn)看不清楚

‘\B’ 匹配非邊界

和’\b’相反，它只匹配非邊界的字符,。它同樣是個(gè)0長(zhǎng)度字符,。

接上例：

>>> re.findall( r’\Bbc\w+’ , s )     #匹配包含’bc’但不以’bc’為開頭的單詞

['bcde']                                       #成功匹配了’abcde’中的’bcde’，而沒有匹配’bcd’

‘(?:)’ 無捕獲組

當(dāng)你要將一部分規(guī)則作為一個(gè)整體對(duì)它進(jìn)行某些操作,，比如指定其重復(fù)次數(shù)時(shí)，你需要將這部分規(guī)則用’(?:’ ‘)’把它包圍起來,，而不能僅僅只用一對(duì)括號(hào),，那樣將得到絕對(duì)出人意料的結(jié)果。

例：匹配字符串中重復(fù)的’ab’

>>> s=’ababab abbabb aabaab’

>>> re.findall( r’\b(?:ab)+\b’ , s )

['ababab']

如果僅使用一對(duì)括號(hào),，看看會(huì)是什么結(jié)果：

>>> re.findall( r’\b(ab)+\b’ , s )

['ab']

這是因?yàn)槿绻皇褂靡粚?duì)括號(hào),，那么這就成為了一個(gè)組(group)。組的使用比較復(fù)雜,，將在后面詳細(xì)講解,。

‘(?# )’ 注釋

Python允許你在正則表達(dá)式中寫入注釋，在’(?#’ ‘)’之間的內(nèi)容將被忽略,。

(?iLmsux) 編譯選項(xiàng)指定

Python的正則式可以指定一些選項(xiàng),，這個(gè)選項(xiàng)可以寫在findall或compile的參數(shù)中，也可以寫在正則式里,，成為正則式的一部分,。這在 某些情況下會(huì)便利一些。具體的選項(xiàng)含義請(qǐng)看后面的compile函數(shù)的說明,。

此處編譯選項(xiàng)’i’ 等價(jià)于IGNORECASE ,，L 等價(jià)于 LOCAL ，m 等價(jià)于 MULTILINE ,，s 等價(jià)于 DOTALL ,，u 等價(jià)于 UNICODE ， x 等價(jià)于 VERBOSE ,。

請(qǐng)注意它們的大小寫,。在使用時(shí)可以只指定一部分,，比如只指定忽略大小寫，可寫為 ‘(?i)’,，要同時(shí)忽略大小寫并使用多行模式,，可以寫為 ‘(?im)’。

另外要注意選項(xiàng)的有效范圍是整條規(guī)則,，即寫在規(guī)則的任何地方,，選項(xiàng)都會(huì)對(duì)全部整條正則式有效。

1.2 重復(fù)

正則式需要匹配不定長(zhǎng)的字符串,，那就一定需要表示重復(fù)的指示符,。Python的正則式表示重復(fù)的功能很豐富靈活。重復(fù)規(guī)則的一般的形式是在一條字符 規(guī)則后面緊跟一個(gè)表示重復(fù)次數(shù)的規(guī)則,，已表明需要重復(fù)前面的規(guī)則一定的次數(shù),。重復(fù)規(guī)則有：

‘*’   0或多次匹配

表示匹配前面的規(guī)則0次或多次。

‘+’   1次或多次匹配

表示匹配前面的規(guī)則至少1次,，可以多次匹配

例：匹配以下字符串中的前一部分是字母,，后一部分是數(shù)字或沒有的變量名字

>>> s = ‘ aaa bbb111 cc22cc 33dd ‘

>>> re.findall( r’\b[a-z]+\d*\b’ , s )             #必須至少1個(gè)字母開頭，以連續(xù)數(shù)字結(jié)尾或沒有數(shù)字

['aaa', 'bbb111']

注意上例中規(guī)則前后加了表示單詞邊界的’\b’指示符,，如果不加的話結(jié)果就會(huì)變成：

>>> re.findall( r’[a-z]+\d*’ , s )

['aaa', 'bbb111', 'cc22', 'cc', 'dd']    #把單詞給拆開了

大多數(shù)情況下這不是我們期望的結(jié)果,。

‘?’   0或1次匹配

只匹配前面的規(guī)則0次或1次。

例,，匹配一個(gè)數(shù)字,，這個(gè)數(shù)字可以是一個(gè)整數(shù)，也可以是一個(gè)科學(xué)計(jì)數(shù)法記錄的數(shù)字,，比如123和10e3都是正確的數(shù)字,。

>>> s = ‘ 123 10e3 20e4e4 30ee5 ‘

>>> re.findall( r’ \b\d+[eE]?\d*\b’ , s )

['123', '10e3']

它正確匹配了123和10e3,正是我們期望的。注意前后的’\b’的使用,，否則將得到不期望的結(jié)果,。